1.项目基于 MNIST 数据集，使用 VGG-19 网络模型，将图像进行风格迁移，实现去噪功能。 2.项目运行环境：Python 和 TensorFlow 运行环境。需要 Python 3.6 及以上配置，使用conda安装环境 conda create -n tensorflow python=3.8.10 3.项目包括 3 个模块：图片处理、模型构造、迭代更新。项目用到的网络模型为预训练好的VGG-19，使用过程中抛弃最后三个全连接层，取出前面各层的参数，构建网络结构。损失函数，由内容损失、风格损失构成。内容损失采用 L2范数损失，风格损失用 Gram 矩阵计算各通道的相关性，以便更好的捕捉笔触、纹理等细节信息，利用 adam 梯度下降算法进行优化。 4.准确率评估：对于图像风格迁移这种模糊算法，并没有客观的评判标准。损失函数可以反映出一部分情况，更多的是人为观察运行结果。经测试，经过 40 次迭代风格迁移已很明显，可根据自身需求，合理调节迭代次数。

猫VS狗分类器 需要最新版本的Matlab（R2017b）才能运行此文件夹中的代码。 为了设置“猫与狗”数据集，您必须将数据集划分为两个标记为“ cat”和“ dog”的子文件夹，并在其各自的图片中带有Kaggle Training文件夹。 您还必须检查以确保图像数据存储库是从正确的目录中提取的。 ALEXNET.m和VGG19.m是此文件夹中的主要代码文件，用于设置和训练各自的模型。 该文件夹是用于Oge Marques的CAP 4630-003：FAU的人工智能简介的存储库。 版权所有。

VGG-19 Pre-trained Model for Keras. VGG-19 Keras的预训练模型。 imagenet_class_index.json vgg19_weights_tf_dim_ordering_tf_kernels_notop.h5 vgg19_weights_tf_dim_ordering_tf_kernels.h5

使用深度学习的入侵检测系统 使用ISCX 2012 IDS数据集训练的VGG-19深度学习模型 框架和API Tensorflow-GPU 凯拉斯 NVIDIA CUDA工具包9.0 NVIDIA cuDNN 7.0 工具类 Anaconda（Python 3.6） 药香 如何使用 从链接下载ISCX 2012数据集 然后运行名为ISCX FlowMeter的Java程序，该程序可在GitHub上找到。 您可以为此使用任何IDE （如果这不能将.PCAP转换为.XML，请尝试以下操作） 接下来，我要确保您的系统能够运行深度学习软件。 要进行检查，可以按照我创建的本指南进行操作：

用vgg-19对指定路径下的图像进行分类并识别得到分类结果